# regression

Python API: `depthai_nodes.node.parsers.regression`

## 类

### RegressionParser

用于解析具有回归输出（例如年龄-性别）的模型输出的解析器类。

> **注意**
> 发出 `dai.beta.Predictions` 消息。包含预测的消息。

#### 方法

##### init

```python
def __init__(output_layer_name: str = ''):
```

初始化解析器节点。

参数

 * `output_layer_name` (`str`): 与解析器相关的输出层的名称。

##### build

```python
def build(head_config: dict[str, Any]) -> RegressionParser:
```

配置解析器。

参数

 * `head_config` (`dict[str, Any]`): 解析器的头部配置。

返回

 * `RegressionParser`: 设置了头部配置的解析器对象。

##### compute

```python
def compute(predictions: np.ndarray) -> list[float]:
```

在不发送消息的情况下，从提取的张量计算解析器结果。

> **注意**
> 使用 [depthai_nodes.node.parsers.utils.regression.compute_regression_predictions](/software-v3/ai-inference/inference/depthai-nodes/depthai-nodes-api-reference/node/parsers/utils/regression.md)；有关张量布局和验证详细信息，请参阅该帮助程序。

参数

 * `predictions` (`np.ndarray`): 模型预测张量。

返回

 * `list[float]`: 挤压单例维度后获得的 Python 列表。标量预测变为一个项目列表；剩余的非单例维度生成嵌套列表。

##### emit

```python
def emit(output: dai.NNData, predictions: list[float]):
```

创建 `dai.beta.Predictions` 消息并将其发送到 `out`。

复制源时间戳和序列号，并在存在时携带源图像变换。

参数

 * `output` (`dai.NNData`): 携带张量和源时间戳、序列号以及可选图像变换的神经网络输出。
 * `predictions` (`list[float]`): `compute()` 返回的回归值。

##### extract

```python
def extract(output: dai.NNData) -> np.ndarray:
```

选择并反量化解析所需的模型张量。

参数

 * `output` (`dai.NNData`): 携带张量和源时间戳、序列号以及可选图像变换的神经网络输出。

返回

 * `np.ndarray`: 反量化回归张量。

抛出

 * `ValueError`: 如果未配置输出名称且消息不包含恰好一个层，或者未满足配置的类要求。

##### run

```python
def run(self):
```

读取排队的网络输出，解析它们，并在运行时发出结果。

管道调用此处理循环。当输入队列关闭或节点停止时，它将退出。

##### setOutputLayerName

```python
def setOutputLayerName(output_layer_name: str):
```

设置输出层的名称。

参数

 * `output_layer_name` (`str`): 与解析器相关的输出层的名称。

#### 属性

##### output_layer_name

与解析器相关的输出层的名称。
